隐私计算

联邦学习——可以使分散的参与方在不像其他参与方泄露隐私数据的前提下，协作进行机器学习的模型训练。中央服务器生成一个通用的中央神经网络模型，然后各参与方下载到本地进行训练。但是存在利益分配问题，各参与方的训练集的质量不一样，可能会降低优质方的竞争优势。数据真实性问题还有数据隐私性问题。